Jedify获2400万美元融资，为企业AI代理构建业务上下文图谱

AI供应商推广其企业产品时，往往将其宣传为开箱即用的解决方案，但AI代理真正落地并立即发挥作用的可能性很低。除非你投入精力针对自身业务细节训练模型，否则它很难理解你的公司如何定义收入，或知晓谁有权查看哪个文件。

这也是我们看到AI公司派遣工程师帮助客户将AI产品集成到其系统中的部分原因。总部位于纽约的初创公司Jedify正致力于填补这一空白。该公司表示，其平台通过API连接到企业的知识源，构建关于其业务的“上下文图谱”，AI代理可利用该图谱更高效地工作。

这些知识源包括数据库、数据仓库和数据湖、SaaS应用或BI工具，以及报告、文档、代码库等非结构化来源，甚至包括Slack频道和会议录音。据TechCrunch独家获悉，为推进这一目标，Jedify在由Norwest领投的A轮融资中筹集了2400万美元。

本轮融资得到了现有投资者S Capital VC和Cerca Partners，以及新投资者Oceans Ventures的参与。

数据巨头Snowflake也作为战略投资者加入，并将该初创公司的技术与其AI产品（如Cortex AI服务、Semantic Views和CoWork）进行整合。

Jedify的主张是，要在企业中发挥作用，AI代理需要访问实体、数据、权限、领域知识、工作流程、运营假设和公司特定术语之间的关系。该公司表示，这种上下文能让AI代理将注意力集中在与特定任务相关的信息上，而不是搜索公司拥有的所有内容。

联合创始人兼首席执行官Assaf Henkin（上图最右侧）以合规公司Kiteworks为例，说明了客户如何使用Jedify。

Kiteworks将Snowflake、Tableau、Notion以及内部手册（包括文档和截图）连接到Jedify，然后为不同的客户工作流程构建了代理工具。“他们希望用一款复杂的应用来武装销售和客户团队——你可以将其视为仪表盘应用和实时对话应用的结合。

当团队与客户进行对话时，Jedify会即时为他们构建所需了解的一切。在对话过程中，他们可以实时主动地获取非常具体的细节，”Henkin说道。

Henkin认为，Jedify的上下文图谱与公司已使用的语义层、元数据目录和知识图谱不同，因为它是多维的，能够捕捉实体、数据、人员、权限和客户之间的关系。

该图谱还是模型无关的，并且随着信息流入和流出其连接的系统而实时更新。“当你希望代理解决方案真正实现自主，基于CRM数据、Zendesk工单甚至实时遥测数据来驱动决策时，上下文图谱在能力上远胜于语义层，”他说。

权限问题是一个明显的障碍。例如，不能让代理允许实习生访问CFO的收入预测。Henkin表示，他的平台通过继承身份系统、文件系统、SaaS工具和数据库的权限（包括行级、列级和表级访问规则）来解决这一问题，然后允许客户创建额外的组来定义代理或工作流程可以访问的内容和人员。

它还提供可观测性和治理工具，帮助客户确保其AI代理按预期运行。Jedify目前瞄准拥有成熟数据栈和多个数据库或数据仓库的中端市场和大型企业客户。

Henkin表示，公司拥有10到20个早期客户，其中之一是The Weather Company，并且来自游戏、工业和消费品等数据密集型行业的兴趣正在增长。Snowflake的投资和合作伙伴关系值得关注，因为大型数据平台也在尝试构建类似的能力。

但Henkin认为，Jedify是对这些努力的补充，因为公司的大部分数据和大部分机构知识通常并不存储在单一的云提供商那里。“[大型数据公司]会告诉你，‘哦，是的，把一切都带过来。

’但实际上，公司拥有多个数据库、仓库和数据解决方案……关键在于，并非所有数据都在这些环境中，而且大部分知识也不在那里，所以这实际上是它们的一个劣势，”他说。

Henkin还指出，对于试图自行实现这一点的公司来说，训练AI模型以构建可比的上下文层可能成本过高，尤其是在公司正在审查和限制其AI代币使用的情况下。

AI模型开发的快速进步也契合了该公司的更大赌注：随着模型变得更加强大且更具互换性，帮助这些模型在企业中更好工作的专有上下文可能成为一条有价值且持久的护城河。这家初创公司将利用新资金进行产品开发、招聘和上市推广。

这使得该公司的总融资额达到约3300万美元。